2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

移动机器人的改进无迹粒子滤波蒙特卡罗定位算法

宋宇,  孙富春,  李庆玲

文章导航 > 自动化学报  > 2010 >  36(6): 851-857
宋宇, 孙富春, 李庆玲. 移动机器人的改进无迹粒子滤波蒙特卡罗定位算法. 自动化学报, 2010, 36(6): 851-857. doi: 10.3724/SP.J.1004.2010.00851
引用本文: 宋宇, 孙富春, 李庆玲. 移动机器人的改进无迹粒子滤波蒙特卡罗定位算法. 自动化学报, 2010, 36(6): 851-857. doi: 10.3724/SP.J.1004.2010.00851
shu
SONG Yu, SUN Fu-Chun, LI Qing-Ling. Mobile Robot Monte Carlo Localization Based on Improved Unscented Particle Filter. ACTA AUTOMATICA SINICA, 2010, 36(6): 851-857. doi: 10.3724/SP.J.1004.2010.00851
Citation: SONG Yu, SUN Fu-Chun, LI Qing-Ling. Mobile Robot Monte Carlo Localization Based on Improved Unscented Particle Filter. ACTA AUTOMATICA SINICA, 2010, 36(6): 851-857. doi: 10.3724/SP.J.1004.2010.00851
shu

移动机器人的改进无迹粒子滤波蒙特卡罗定位算法

doi: 10.3724/SP.J.1004.2010.00851
  • 1.

    清华大学智能技术与系统国家重点实验室 北京 100084

  • 2.

    哈尔滨工业大学机器人技术与系统国家重点实验室 哈尔滨 150080

  • 3.

    中国科学院自动化研究所 北京 100190

详细信息
    通讯作者:

    宋宇

Mobile Robot Monte Carlo Localization Based on Improved Unscented Particle Filter

  • 1.

    State Key Laboratory of Intelligent Technology and System, Tsinghua University, Beijing 100084;

  • 2.

    State Key Laboratory of Robotics and System, Harbin Institute of Technology, Harbin 150080;

  • 3.

    Institute of Automation, Chinese Academy of Sciences, Beijing 100190

More Information
    Corresponding author: SONG Yu

    摘要
  • 摘要: 粒子滤波是移动机器人蒙特卡罗定位(Monte Carlo localization, MCL)的核心环节. 首先, 针对粒子滤波过程的粒子退化问题, 利用迭代Sigma点卡尔曼滤波来精确设计粒子滤波器的提议分布, 以迭代更新方式将当前观测信息融入顺序重要性采样过程, 提出IUPF (Improved unscented particle filter)算法. 然后, 将IUPF与移动机器人MCL相结合, 给出IUPF-MCL定位算法的实现细节. 仿真结果表明, IUPF-MCL是一种精确鲁棒的移动机器人定位算法.
    Abstract: Particle filter is a key issue in mobile robot Monte Carlo location (MCL). Firstly, improved unscented particle filter (IUPF) algorithm is proposed in this paper. To overcome particles degeneracy phenomenon, the algorithm utilizes iterated sigma points Kalman filter to generate more accurate proposal distribution, which introduces most recent measurement information into sequential importance sampling (SIS) routine through iterated update processing. Secondly, by applying IUPF to MCL, IUPF-MCL algorithm is given. Finally, simulation results show that IUPF-MCL is an accurate and robust mobile robot localization algorithm.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献
  • 资源附件(0)
  • 加载中
计量
  • 文章访问数:  2384
  • HTML全文浏览量:  59
  • PDF下载量:  1741
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-01-04
  • 修回日期:  2009-11-12
  • 刊出日期:  2010-06-20

目录

    /

    返回文章
    返回

    版权所有 © 《自动化学报》编辑部  京ICP备14019135号-6

    地址：北京中关村东路95号邮政编码：100190E-mail：aas_editor@ia.ac.cn

    电话：010-82544677 (日常咨询和稿件处理)，010-82544653(费用管理、寄刊)

    本系统由 北京仁和汇智信息技术有限公司 开发 技术支持： info@rhhz.net   百度统计